基于R语言的统计分析基础:使用dplyr包进行数据操作

dplyr是R语言中一个功能强大且流行的数据操作包,它提供了一系列用于数据清洗、转换、汇总和可视化的工具。这些工具包括选择列、过滤行、排序、添加或修改列、汇总数据以及分组和合并数据集的函数。dplyr的设计使得数据操作变得简单直观,同时保持高性能,并且支持与外部数据库的连接、懒惰数据操作以及窗口函数。此外,dplyr鼓励使用整洁数据的原则,并与其他R语言包(如tidyrggplot2等)有很好的集成,形成一个完整的数据分析工作流。

dplyr常用函数与用法

函数 用途
select() 选择数据集中的列
filter() 基于条件过滤行
arrange() 对数据集进行排序
mutate() 添加新列或修改现有列
summarise() 计算汇总统计量,减少到每组的单一行
group_by() 将数据集分组,以便进行分组操作
ungroup() 移除数据集的分组信息
distinct() 删除重复行,保留唯一值
inner_join() 根据两个数据集的共同列进行内连接
left_join() 根据左数据集的键和右数据集的键进行左连接
right_join() 根据右数据集的键和左数据集的键进行右连接
full_join() 根据两个数据集的键进行全连接
semi_join() 返回左数据集在右数据集中有匹配的记录
anti_join() 返回左数据集中不在右数据集中的记录

函数使用示例

这里先导入dplyr包,随后新建两个data.feame数据集用于后续操作,一个数据框用于存储学生信息,一个数据框用于存储专业课成绩

r 复制代码
library(dplyr)

students <- data.frame(  
  student_id = c(1, 2, 3, 4, 5),  
  name = c("GGBond", "FeiFei", "DickDai", "SuperFuckMan", "TeacherMihu"),  
  age = c(16, 17, 15, 23, 42)  
)  

courses <- data.frame(  
  course_id = c(101, 102, 103, 104, 105),  
  course_name = c("Math", "Science", "History", "Math", "Art"),  
  student_id = c(1, 2, 3, 1, 4)  
)
使用select()函数选择数据集中的列
r 复制代码
selected_students <- students %>%  select(name, age)  
selected_students
使用filter()函数基于条件过滤行
r 复制代码
filtered_students <- students %>%  filter(age > 21)  
filtered_students
使用arrange()函数对数据集进行排序
r 复制代码
arranged_students <- students %>%  arrange(desc(age))  
arranged_students
使用mutate()函数添加新列或修改现有列
r 复制代码
mutated_students <- students %>%  mutate(is_adult = age >= 21)  
mutated_students
使用summarise()函数计算汇总统计量,减少到每组的单一行
r 复制代码
summarised_students <- students %>%  summarise(avg_age = mean(age))  
summarised_students
使用group_by()ungroup()函数将数据集分组,以便进行分组操作,然后移除分组信息
r 复制代码
grouped_students <- students %>%  group_by(age) %>%  summarise(count = n())  
grouped_students
移除分组信息
r 复制代码
ungrouped_students <- grouped_students %>%  ungroup()  
ungrouped_students
使用distinct()函数删除重复行,保留唯一值
r 复制代码
distinct_courses <- courses %>%  distinct(course_name)  
distinct_courses
使用inner_join()函数根据两个数据集的共同列进行内连接
r 复制代码
inner_joined <- inner_join(students, courses, by = "student_id")  
inner_joined
使用left_join()函数根据左数据集的键和右数据集的键进行左连接
r 复制代码
left_joined <- left_join(students, courses, by = "student_id")  
left_joined
使用right_join()函数根据右数据集的键和左数据集的键进行右连接
r 复制代码
right_joined <- right_join(students, courses, by = "student_id")  
right_joined
使用full_join()函数根据两个数据集的键进行全连接
r 复制代码
full_joined <- full_join(students, courses, by = "student_id")  
full_joined
使用semi_join() 返回左数据集在右数据集中有匹配的记录
r 复制代码
semi_joined <- semi_join(students, courses, by = "student_id")  
print(semi_joined)
使用anti_join() 返回左数据集中不在右数据集中的记录
r 复制代码
anti_joined <- anti_join(students, courses, by = "student_id")  
print(anti_joined)

distinct_courses <- courses %>%  distinct(course_name)  
distinct_courses
相关推荐
阿里云大数据AI技术11 小时前
StarRocks 助力数禾科技构建实时数仓:从数据孤岛到智能决策
大数据
Lx35215 小时前
Hadoop数据处理优化:减少Shuffle阶段的性能损耗
大数据·hadoop
武子康19 小时前
大数据-99 Spark Streaming 数据源全面总结:原理、应用 文件流、Socket、RDD队列流
大数据·后端·spark
阿里云大数据AI技术1 天前
大数据公有云市场第一,阿里云占比47%!
大数据
Lx3522 天前
Hadoop容错机制深度解析:保障作业稳定运行
大数据·hadoop
侃侃_天下2 天前
最终的信号类
开发语言·c++·算法
echoarts2 天前
Rayon Rust中的数据并行库入门教程
开发语言·其他·算法·rust
Aomnitrix2 天前
知识管理新范式——cpolar+Wiki.js打造企业级分布式知识库
开发语言·javascript·分布式
每天回答3个问题2 天前
UE5C++编译遇到MSB3073
开发语言·c++·ue5
伍哥的传说2 天前
Vite Plugin PWA – 零配置构建现代渐进式Web应用
开发语言·前端·javascript·web app·pwa·service worker·workbox